换流变压器绕组内部故障定位研究
2012-11-19朱盛强
李 朋 朱盛强
(1.云南电网公司迪庆供电局,云南 迪庆 674400;2.南方电网超高压输电公司安宁局,云南 昆明 650000)
1 前言
换流变压器是直流输电系统中最重要的设备之一,它的一次侧绕组接到交流系统,称为网侧绕组,二次侧绕组接到换流阀,称为阀侧绕组,一般网侧额定电压大于阀侧额定电压,两侧容量相同。换流变压器的作用一方面是将送端交流系统的功率送到整流侧,或从逆变侧接受功率送到受端交流系统;另一方面是实现电压的变换,使换流变压器网侧的交流母线电压和换流桥的直流侧电压分别符合额定电压及容许的电压偏移。
特高压换流变压器的容量大,且电压等级高、对绝缘要求很高、造价昂贵,同时换流变压器本身是一个内部结构复杂的非线性系统,故换流变压器一旦发生故障,对输电系统的影响很大,检修时间长,难度大,同时这必然降低换流变压器保护的动作正确率[1]。因此,建立换流变压器内部故障模型,研究换流变压器的各种内部故障特征并正确的定位出故障点在绕组线圈在的位置对研究和探索动作速度快,可靠性和灵敏性高的变压器保护新原理和换流变压器的检修维护将具有十分重要的意义。
2 小波能量相对熵
设暂态信号x(n)经过多分辨分析小波变换后,在第j分解尺度下k时刻的高频分量系数为dj(k),低频分量系数为aj(k),进行单支重构后得到信号分量Dj(k),Aj(k)。原始信号序x(n)可以表示为各分量的和,即
为了表示方便,用DJ+1(k)代替Aj(n),则有:。式中Dj(n)表征了暂态信号x(n)在不同尺度下信号分量,亦为暂态信号的多尺度表示。其中,j为尺度,n为时间离散采样点。对于正交小波变换,变换后各尺度的能量可直接由其小波系数的平方得到,即
设Ejk为信号x(t)在,尺度k时刻上的小波能谱,则表示第j尺度下k=l,2,…,N个采样点的信号能量和。设Pjk=Ejk/Ej,于是定义小波能量相对谱熵(wavelet energy relative entropy,WERE)为
从小波能量相对熵的定义式3中可知,尺度空间和频率空间具有一定的对应关系,它能反映电流或电压频率空间的能量分布信息,也就是说,小波能量相对熵是在尺度空间上对电流或电压的能量划分,反映了电流和电压在时域和频域上的能量分布特征[2]。
3 BP神经网络
BP神经网络是一种多层前馈型神经网络[3],主要用于多层网络。网络中不仅有输入节点及输出节点,而且还有一层或多层隐藏节点。根据BP神经网络相关理论,对于任何在闭区间内的一个连续函数都可以用单隐层的BP网络逼近,因而一个三层BP神经网络可以完成任意的n维到m维的映射。这种网络具有很强的非线性映射能力,非常适合于非线性函数逼近,本文采用三层前馈型BP神经网络。
通常情况下,BP网络是由四个过程组成的:
1)输入模式,由输入层经中间层向输出层的“模式顺序传播”过程。
2)网络的希望输出与网络实际输出之差的误差信号,由输出层经中间层向输入层逐层修正连接权的“误差逆向传播”过程。
3)由“模式顺序传播”与“误差逆向传播”的反复交替进行的网络“记忆训练”过程。
4)网络趋向收敛,即网络的全局误差趋向极小的“学习收敛”过程。
简言之,就是由“模式顺序传播”→“误差逆传播”→“记忆训练”→“学习收敛”的过程。
4 换流变压器绕组内部故障仿真
4.1 仿真模型
利用PSCAD/EMTDC电磁暂态仿真软件,建立如图1所示的换流变压器绕组模型,结合现对变压器研究相关文献中的变压器分布参数数据[4-5],在图 1 中,设 L=220mH,Cp=250pF,Cs=15pf,R=0.1Ω,Lr=10μH;电源 Uac=169.85kV,Udc=10kV,设 n=192;设首端 M1为电源侧电流互感器、电压互感器安装处,末端M2为接地侧电流互感器、电压互感器安装处。在求小波能量相对熵时,小波函数选择db3函数,变换尺度为8;采样率为500KHz,数据窗长度为2ms。
图1 换流变压器阀侧绕组模型
4.2 故障仿真及故障定位网络的设计
选用末端M2的电压作为数据源,当0.3秒时,在第一饼第10匝绕组发生匝间故障,过渡电阻为0.1Ω,各尺度小波能量相对熵如图2所示
图2 小波能量相对熵谱
当0.3秒时,在第三饼绕组发生匝间故障,过渡电阻为0.1Ω,各尺度小波能量相对熵如图3所示。
图3 小波能量相对熵谱
从图2、图3可以看出,在不同的线圈饼发生匝间故障时,各尺度的小波能量相对熵的幅值差异明显,而且不同故障点下的相同尺度的小波能量相对熵的幅值差异很大。
综合分析,可以采用八个尺度下的小波能量相对熵的幅值 WEE1,WEE2,…,WEE7,WEE8作为故障定位神经网络输入向量
本文的隐层节点数N=2×8+1=17个;输出用T表示,输出层节点数为1,T为故障距离占绕组全长的百分比。网络每一层的传递函数选为sigmoid函数,所采用的训练算法为trainlm算法。
4.3 故障定位网络的训练和测试
本文训练样本的形成将考虑以下几种情形:
1)匝间短路故障后过渡电阻Rf分别考虑0.1Ω、10Ω、20Ω和50Ω四种情况;匝地短路故障(shunt fault)后,接地过渡电阻Rg分别考虑0.1Ω、10Ω、20Ω和50Ω四种情况。
2)故障点考虑为每隔3匝发生故障。
故障定位子网络的结构和训练样本确定后,下一步应对样本集进行训练。换流变压器内部故障定位网络训练曲线如图4所示,本文训练设定的误差精度为10-5,从图中可以看出经过431次循环,曲线就达到预先设定的精度要求。
图4 换流变压器内部故障定位网络训练曲线
从测试结果可以看出,所有的测距误差都小于最大容许误差74.4m,所以换流变压器内部故障定位网络不受故障类型、故障过渡电阻的影响,可靠性高,故障定位准确率很高。
5 结论
以±800kV特高压直流输电系统的换流变压器为例,以电磁暂态仿真软件PSCAD/EMTDC为仿真平台,建立了换流变压器的内部故障高频分布参数暂态电路仿真模型,基于小波能量相对熵,利用BP神经网络对换流变压器内部故障进行故障定位的方法具有较高准确性。
[1]邵德军.大型变压器暂态机理与保护新原理研究[D].华中科技大学博士学位论文,2009.5.
[2]束洪春.电力工程信号处理应用[M].北京:科学出版社,2009.
[3]燕洁.基于小波变换和BP神经网络的输电线路故障定位研究[D].保定:华北电力大学硕士论文,200712.
[4]刘云鹏,律方成,李成榕.基于多导体传输线模型的单相变压器绕组中放电的距离函数法定位[J].电工技术学报,2006,21(1):115-120.
[5]云广特高压直流输电运行规程[S].南方电网超高压输电公司.2009.11